```

feat(AI): 统一多模态模型架构，整合文本和视觉推理路径

- 将文本生成和VL(图→文)功能合并到单一的Qwen3.5-4B多模态MNN模型
- 移除独立的Qwen3-VL-4B模型依赖，MLX VL改为使用.llm的多模态模型
- 更新ModelKind枚举，新增userFacing集合用于面向用户展示
- MNN后端现在同时支持文本和视觉任务，模拟器回退到MLX

refactor(models): 模型管理和界面调整以适应新的多模态架构

- 更新模型管理界面，只显示统一的Qwen3.5-4B(MNN)模型给用户
- 修改就绪状态检查逻辑，使用ModelKind.userFacing替代allCases
- 更新模型文件清单，从Qwen3.5-2B升级到Qwen3.5-4B-4bit
- 调整模型管理页面UI，突出MNN+SME2端侧加速功能

feat(camera): 添加拍照识别引擎切换功能

- 实现双路径拍照识别：Apple Vision OCR + 文本模型 和 Qwen3-VL直接识别
- 添加预处理逻辑，优化Qwen3-VL对窄长区域图片的识别效果
- 在模型管理页面添加拍照识别引擎选择组件
- 提供用户界面选项，在两种识别方式间切换

style(ui): 优化输入框样式和颜色主题一致性

- 为指标快速表单添加浅色主题偏好
- 统一所有文本输入框的颜色样式(theme)
- 创建EntryInputField组件，替换原有的单行输入+按钮模式
- 实现聊天框风格的条目输入，支持多行自适应和圆形发送按钮

fix(build): 修正Xcode项目配置中的重复框架搜索路径

- 清理project.pbxproj中重复的FRAMEWORK_SEARCH_PATHS配置
- 重新排列Swift桥接头文件配置确保正确引用
- 修复因路径配置重复导致的编译警告问题

test: 增加区域图片预处理和模型清单测试覆盖

- 添加RegionImageCropper.prepareForQwenVL的单元测试
- 验证宽而矮图片的放大和填充逻辑
- 更新ModelManifestTests中的字节数预期值以匹配新模型
- 修正OCRService中VNRecognizedTextObservation类型的处理
```

康康/Features/Quick/QuickRegionCaptureFlow.swift

@@ -15,6 +15,8 @@ struct QuickRegionCaptureFlow: View {
     @Environment(\.modelContext) private var ctx
     let onClose: () -> Void
 
+    @AppStorage(QuickRegionRecognitionEngine.storageKey)
+    private var recognitionEngineRaw = QuickRegionRecognitionEngine.defaultValue.rawValue
     @State private var phase: Phase = .idle
 
     enum Phase {
@@ -98,8 +100,20 @@ struct QuickRegionCaptureFlow: View {
     // MARK: - 识别(框内子图 → OCR → LLM)
 
     /// 对已裁好的框内子图跑识别。失败/超时返回提示文案,绝不抛出(由 RegionAdjustView 展示)。
-    /// 链路:Vision 端侧 OCR 取文本 → Qwen3-1.7B 结构化抽指标(对齐 indicator-capture-ocr-llm)。
+    /// 链路由「我的 → 模型管理 → 拍照识别引擎」决定:
+    /// - Apple Vision:Vision 端侧 OCR → Qwen3-1.7B 结构化抽指标
+    /// - Qwen3-VL:局部图片 → Qwen3-VL 直接结构化抽指标
     private func recognizeRegion(_ image: UIImage) async -> (items: [QuickRegionItem], warning: String?) {
+        let engine = QuickRegionRecognitionEngine(storedValue: recognitionEngineRaw)
+        switch engine {
+        case .appleVision:
+            return await recognizeWithAppleVision(image)
+        case .qwenVL:
+            return await recognizeWithQwenVL(image)
+        }
+    }
+
+    private func recognizeWithAppleVision(_ image: UIImage) async -> (items: [QuickRegionItem], warning: String?) {
         do {
             let text = try await OCRService.recognizeText(in: image)
             if Task.isCancelled { return ([], nil) }   // 超时:文案由调用方给
@@ -125,6 +139,30 @@ struct QuickRegionCaptureFlow: View {
         }
     }
 
+    private func recognizeWithQwenVL(_ image: UIImage) async -> (items: [QuickRegionItem], warning: String?) {
+        let prepared = RegionImageCropper.prepareForQwenVL(image)
+        guard let data = prepared.jpegData(compressionQuality: 0.95) else {
+            return ([], String(appLoc: "图片编码失败,手动补充"))
+        }
+        #if DEBUG
+        print("🖼️ [Qwen3-VL region] prepared image=\(Int(prepared.size.width))x\(Int(prepared.size.height)), bytes=\(data.count)")
+        #endif
+        do {
+            let parsed = try await CaptureService.shared.recognizeRegion(imageData: data)
+            if Task.isCancelled { return ([], nil) }
+            let items = Self.buildItems(from: parsed)
+            return (items, items.isEmpty ? String(appLoc: "没读出指标,挪一下框再试") : nil)
+        } catch CaptureError.modelNotReady {
+            return ([], String(appLoc: "模型未就绪,请在模型管理下载或切回 Apple Vision"))
+        } catch let CaptureError.parseFailed(msg) {
+            return ([], String(appLoc: "解析失败:\(msg)"))
+        } catch let CaptureError.inferenceFailed(msg) {
+            return ([], Task.isCancelled ? nil : String(appLoc: "识别失败:\(msg)"))
+        } catch {
+            return ([], Task.isCancelled ? nil : String(appLoc: "未知错误:\(error.localizedDescription)"))
+        }
+    }
+
     /// LLM 结果 → 可编辑行,异常项(high/low)置顶、默认勾选。
     private static func buildItems(from parsed: [ParsedReport.ParsedIndicator]) -> [QuickRegionItem] {
         let mapped = parsed.map {

康康/Features/Quick/QuickRegionRecognitionEngine.swift

@@ -0,0 +1,31 @@
+import Foundation
+
+enum QuickRegionRecognitionEngine: String, CaseIterable, Identifiable, Sendable {
+    case appleVision
+    case qwenVL
+
+    static let storageKey = "quickRegionRecognitionEngine"
+    static let defaultValue: QuickRegionRecognitionEngine = .appleVision
+
+    var id: String { rawValue }
+
+    init(storedValue: String) {
+        self = QuickRegionRecognitionEngine(rawValue: storedValue) ?? Self.defaultValue
+    }
+
+    var title: String {
+        switch self {
+        case .appleVision: return String(appLoc: "Apple Vision")
+        case .qwenVL:      return String(appLoc: "大模型直读")
+        }
+    }
+
+    var detail: String {
+        switch self {
+        case .appleVision:
+            return String(appLoc: "系统 OCR + 文本模型解析")
+        case .qwenVL:
+            return String(appLoc: "Qwen3.5-4B 多模态直接看图(MNN/MLX)")
+        }
+    }
+}

康康/Features/Quick/RegionCameraView.swift

@@ -352,6 +352,49 @@ enum RegionImageCropper {
         guard rect.width >= 1, rect.height >= 1, let cropped = cg.cropping(to: rect) else { return up }
         return UIImage(cgImage: cropped, scale: up.scale, orientation: .up)
     }
+
+    /// Qwen3-VL 局部图预处理:宽而矮的小框直接喂 VL 时,processor 再缩放容易把小字压没。
+    /// 这里只用于 Qwen3-VL 分支,Apple Vision OCR 保持吃原始裁剪图。
+    static func prepareForQwenVL(_ image: UIImage,
+                                 minimumShortEdge: CGFloat = 448,
+                                 maximumLongEdge: CGFloat = 2400,
+                                 padding: CGFloat = 64) -> UIImage {
+        let up = image.normalizedUp()
+        guard let cg = up.cgImage else { return up }
+
+        let sourceSize = CGSize(width: cg.width, height: cg.height)
+        guard sourceSize.width > 0, sourceSize.height > 0 else { return up }
+
+        let short = min(sourceSize.width, sourceSize.height)
+        let long = max(sourceSize.width, sourceSize.height)
+        var scale = max(1, minimumShortEdge / short)
+        if long * scale > maximumLongEdge {
+            scale = maximumLongEdge / long
+        }
+
+        let contentSize = CGSize(
+            width: max(1, (sourceSize.width * scale).rounded()),
+            height: max(1, (sourceSize.height * scale).rounded())
+        )
+        let canvasSize = CGSize(
+            width: contentSize.width + padding * 2,
+            height: contentSize.height + padding * 2
+        )
+
+        let format = UIGraphicsImageRendererFormat.default()
+        format.scale = 1
+        format.opaque = true
+        let renderer = UIGraphicsImageRenderer(size: canvasSize, format: format)
+        return renderer.image { ctx in
+            UIColor.white.setFill()
+            ctx.fill(CGRect(origin: .zero, size: canvasSize))
+
+            UIImage(cgImage: cg, scale: 1, orientation: .up).draw(
+                in: CGRect(x: padding, y: padding,
+                           width: contentSize.width, height: contentSize.height)
+            )
+        }
+    }
 }
 
 extension UIImage {